Dashboard Petrobras (PBR) - R Quarto HTML

Dashboard Financeiro Petrobras (PBR)

# Instalação automática de pacotes ausentes
pkgs <- c(
  "arrow", "jsonlite", "BatchGetSymbols", "ggplot2", "tsibble",
  "dplyr", "lubridate", "DT", "scales", "glue", "plotly"
)
to_install <- pkgs[!pkgs %in% installed.packages()[, "Package"]]
if (length(to_install) > 0) install.packages(to_install, quiet = TRUE)

# Carregamento de bibliotecas
library(arrow)
library(jsonlite)
library(BatchGetSymbols)
library(ggplot2)
library(tsibble)
library(dplyr)
library(lubridate)
library(DT)
library(scales)
library(glue)
library(plotly)

Coleta e Preparação dos Dados

# Parâmetros de coleta
tickers <- "PBR"  # Petrobras (NYSE)
first_date <- as.Date("2020-01-01")
last_date <- Sys.Date() - 1

# Download de dados via BatchGetSymbols (Yahoo Finance)
dados_bolsa <- BatchGetSymbols(
  tickers = tickers,
  first.date = first_date,
  last.date = last_date,
  thresh.bad.data = 0.01,
  do.cache = TRUE
)

# Preparação do dataset
dados <- dados_bolsa$df.tickers %>%
  select(
    Date = ref.date,
    Open = price.open,
    High = price.high,
    Low = price.low,
    Close = price.close,
    Volume = volume,
    Ticker = ticker
  ) %>%
  arrange(Date)

# Salvamento em Parquet e JSON
write_parquet(dados, "acao.parquet")
write_json(dados, "acao.json", dataframe = "rows", pretty = TRUE)

# Conversão para tsibble
df_parquet <- read_parquet("acao.parquet") %>%
  mutate(Date = as.Date(Date)) %>%
  as_tsibble(index = Date, key = Ticker)

df_json <- fromJSON("acao.json") %>%
  mutate(Date = as.Date(Date)) %>%
  as_tsibble(index = Date, key = Ticker)

Cálculos Financeiros

# Cálculo de retornos diários
retornos <- df_parquet %>%
  arrange(Date) %>%
  mutate(Retorno = (Close / lag(Close)) - 1) %>%
  filter(!is.na(Retorno))

# Estatísticas descritivas
estatisticas <- df_parquet %>%
  as_tibble() %>%
  summarise(
    across(c(Open, High, Low, Close, Volume), 
           list(min = ~min(.x, na.rm=TRUE),
                q1 = ~quantile(.x, 0.25, na.rm=TRUE),
                median = ~median(.x, na.rm=TRUE),
                mean = ~mean(.x, na.rm=TRUE),
                q3 = ~quantile(.x, 0.75, na.rm=TRUE),
                max = ~max(.x, na.rm=TRUE)),
           .names = "{.col}_{.fn}")
  )

# Dados mais recentes
ultimo <- df_parquet %>%
  as_tibble() %>%
  arrange(desc(Date)) %>%
  slice(1)

# Retorno mais recente
ret_1d <- retornos %>%
  as_tibble() %>%
  arrange(desc(Date)) %>%
  slice(1) %>%
  pull(Retorno)

# Retorno Year-to-Date (YTD)
ytd_start <- as.Date(paste0(year(last_date), "-01-01"))
ytd_data <- df_parquet %>%
  filter(Date >= ytd_start) %>%
  as_tibble()

ret_ytd <- if (nrow(ytd_data) >= 2) {
  first_close <- ytd_data %>% arrange(Date) %>% slice(1) %>% pull(Close)
  last_close <- ytd_data %>% arrange(desc(Date)) %>% slice(1) %>% pull(Close)
  (last_close/first_close) - 1
} else NA_real_

# Função auxiliar para formatação de percentuais
pct <- function(x) ifelse(is.na(x), "NA", paste0(sprintf("%.2f", 100*x), "%"))

Resumo Executivo

Note

Período analisado: 01/01/2020 a 24/09/2025
Ticker: PBR (Petrobras - NYSE)
Último fechamento: $13.16 em 23/09/2025
Retorno 1 dia: 3.46%
Retorno YTD: -0.60%

Visualizações

Evolução dos Preços

p1 <- ggplot(as_tibble(df_parquet), aes(x = Date, y = Close)) +
  geom_ribbon(aes(ymin = Low, ymax = High), alpha = 0.2, fill = "gray") +
  geom_line(color = "steelblue", linewidth = 0.8) +
  labs(
    title = paste("Preços da", unique(df_parquet$Ticker), "- até", format(last_date, "%d/%m/%Y")),
    subtitle = "Linha: Preço de Fechamento | Área: Variação entre Mínima e Máxima",
    x = "Data",
    y = "Preço (USD)",
    caption = "Fonte: Yahoo Finance via BatchGetSymbols"
  ) +
  theme_minimal() +
  theme(plot.title = element_text(face = "bold"))

ggplotly(p1)

Volume de Negociação

p2 <- ggplot(as_tibble(df_parquet), aes(x = Date, y = Volume)) +
  geom_col(fill = "orange", alpha = 0.7) +
  labs(
    title = paste("Volume negociado da", unique(df_parquet$Ticker), "- até", format(last_date, "%d/%m/%Y")),
    x = "Data",
    y = "Volume",
    caption = "Fonte: Yahoo Finance via BatchGetSymbols"
  ) +
  theme_minimal() +
  theme(plot.title = element_text(face = "bold"))

ggplotly(p2)

Retornos Diários

p3 <- ggplot(as_tibble(retornos), aes(x = Date, y = Retorno, fill = Retorno > 0)) +
  geom_col() +
  scale_y_continuous(labels = percent_format()) +
  scale_fill_manual(values = c("red", "green"), guide = "none") +
  labs(
    title = paste("Retornos Diários da", unique(df_parquet$Ticker), "- até", format(last_date, "%d/%m/%Y")),
    x = "Data",
    y = "Retorno",
    caption = "Fonte: Yahoo Finance via BatchGetSymbols"
  ) +
  theme_minimal() +
  theme(plot.title = element_text(face = "bold"))

ggplotly(p3)

Distribuição dos Retornos

p4 <- ggplot(as_tibble(retornos), aes(x = Retorno)) +
  geom_histogram(bins = 50, fill = "#ffa600", color = "white", alpha = 0.7) +
  scale_x_continuous(labels = percent_format()) +
  labs(
    title = "Distribuição dos Retornos Diários",
    x = "Retorno Diário",
    y = "Frequência"
  ) +
  theme_minimal() +
  theme(plot.title = element_text(face = "bold"))

ggplotly(p4)

Tabelas de Dados

Estatísticas Descritivas

datatable(
  round(as.data.frame(estatisticas), 4),
  options = list(scrollX = TRUE, pageLength = 5),
  caption = "Estatísticas descritivas para todos os preços e volume"
) %>%
  formatStyle(columns = colnames(estatisticas), fontSize = '12px')

Dados Recentes (Parquet)

datatable(
  as_tibble(df_parquet) %>% 
  arrange(desc(Date)) %>% 
  head(100),
  options = list(scrollX = TRUE, pageLength = 10),
  caption = "Dados mais recentes carregados do arquivo Parquet"
) %>%
  formatCurrency(c('Open', 'High', 'Low', 'Close'), '$') %>%
  formatStyle(columns = c('Open', 'High', 'Low', 'Close', 'Volume'), fontSize = '11px')

Dados Recentes (JSON)

datatable(
  as_tibble(df_json) %>% 
  arrange(desc(Date)) %>% 
  head(100),
  options = list(scrollX = TRUE, pageLength = 10),
  caption = "Dados mais recentes carregados do arquivo JSON"
) %>%
  formatCurrency(c('Open', 'High', 'Low', 'Close'), '$') %>%
  formatStyle(columns = c('Open', 'High', 'Low', 'Close', 'Volume'), fontSize = '11px')

Análise de Retornos

Retornos Mais Recentes

datatable(
  as_tibble(retornos) %>% 
  arrange(desc(Date)) %>% 
  head(50) %>%
  mutate(Retorno_pct = paste0(sprintf("%.2f", 100*Retorno), "%")),
  options = list(scrollX = TRUE, pageLength = 10),
  caption = "Retornos diários mais recentes"
) %>%
  formatStyle(
    'Retorno',
    backgroundColor = styleInterval(0, c('#ffcccc', '#ccffcc'))
  )

---

Dashboard gerado em 25/09/2025 às 02:42:17 com dados até 24/09/2025